ITB ADITB AD

Jurnal Sistem Informasi (JUSIN)Jurnal Sistem Informasi (JUSIN)

BPJS Kesehatan meluncurkan aplikasi Mobile JKN pada tahun 2017 untuk meningkatkan akses kesehatan dan memudahkan pengelolaan keanggotaan. Dengan 98,67% populasi Indonesia yang telah bergabung dalam program JKN hingga September 2024, penting untuk memahami opini publik terhadap aplikasi ini. Penelitian ini menganalisis sentimen masyarakat terhadap Mobile JKN melalui media sosial X menggunakan algoritma K-Nearest Neighbor (KNN) dan Logistic Regression (LR). Dari 4.777 ulasan, diperoleh 4.648 data bersih setelah preprocessing dan pelabelan menggunakan IndoBERT, dengan 2.066 ulasan positif dan 2.581 ulasan negatif. Hasil evaluasi menunjukkan bahwa KNN mencapai akurasi 83,87%, sedangkan LR lebih unggul dengan akurasi 87,85% dan memiliki presisi, recall, serta f1-score yang lebih tinggi. Temuan ini mengungkapkan dominasi sentimen negatif dalam ulasan pengguna dan memberikan wawasan bagi BPJS Kesehatan untuk meningkatkan Mobile JKN menjadi aplikasi yang lebih responsif dan sesuai dengan kebutuhan serta umpan balik pengguna.

777 data ulasan mengenai aplikasi Mobile JKN, diperoleh 4.Evaluasi model klasifikasi menunjukkan bahwa algoritma K-Nearest Neighbor (KNN) mencapai akurasi 83,87%, sedangkan Logistic Regression (LR) memiliki akurasi 87,85%.Sehingga, dapat disimpulkan bahwa LR memiliki performa lebih baik dalam mengklasifikasikan sentimen ulasan pengguna aplikasi JKN Mobile dibandingkan dengan KNN, berdasarkan nilai akurasi dan metrik evaluasi lainnya seperti presisi, recall, dan f1-score.

Berdasarkan hasil penelitian, disarankan untuk melakukan studi lanjutan dengan fokus pada peningkatan responsivitas aplikasi Mobile JKN. Penelitian ini dapat mengeksplorasi metode-metode baru dalam analisis sentimen, seperti penggunaan model bahasa pra-latih atau teknik pengolahan bahasa alami yang lebih canggih. Selain itu, studi lanjutan dapat menginvestigasi faktor-faktor yang mempengaruhi sentimen negatif pengguna, seperti pengalaman pengguna dalam menggunakan fitur-fitur tertentu atau masalah teknis yang sering terjadi. Dengan memahami faktor-faktor ini, BPJS Kesehatan dapat mengambil langkah-langkah konkret untuk meningkatkan pengalaman pengguna dan mengurangi sentimen negatif. Penelitian lanjutan juga dapat mengeksplorasi strategi-strategi komunikasi yang efektif untuk berinteraksi dengan pengguna dan memberikan solusi yang sesuai dengan kebutuhan mereka.

  1. Analisis Sentimen Kinerja Dewan Perwakilan Rakyat (DPR) Pada Twitter Menggunakan Metode Naive Bayes Classifier... doi.org/10.23960/jitet.v10i1.2262Analisis Sentimen Kinerja Dewan Perwakilan Rakyat DPR Pada Twitter Menggunakan Metode Naive Bayes Classifier doi 10 23960 jitet v10i1 2262
  2. Trends in sentiment of Twitter users towards Indonesian tourism: analysis with the k-nearest neighbor... doi.org/10.11591/csit.v5i1.pp19-28Trends in sentiment of Twitter users towards Indonesian tourism analysis with the k nearest neighbor doi 10 11591 csit v5i1 pp19 28
  3. Penerapan Data Mining Untuk Prediksi Penjualan Produk Terlaris Menggunakan Metode K-Nearest Neighbor... ejurnal.seminar-id.com/index.php/bits/article/view/1408Penerapan Data Mining Untuk Prediksi Penjualan Produk Terlaris Menggunakan Metode K Nearest Neighbor ejurnal seminar id index php bits article view 1408
Read online
File size445.95 KB
Pages16
DMCAReport

Related /

ads-block-test